首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >黑苹果安装、使用初体验

黑苹果安装、使用初体验

作者头像
zhonger
发布于 2022-10-28 03:00:04
发布于 2022-10-28 03:00:04
1.4K02
代码可运行
举报
文章被收录于专栏:仲儿的专栏仲儿的专栏
运行总次数:2
代码可运行

MacOS 一直以来都是一款非常美观、高效的操作系统,尤其对于开发者来说。然而正常情况下只有在购买一款Mac电脑的情况下,才可以有机会体验这一优秀的操作系统。事实上,如果只是体验而非真实开发、工作使用,我们可以尝试购买兼容的硬件进行组装一台电脑,并自行安装 MacOS。以下仅为笔者在动手实践过程的一个记录,大家可以尝试但最好还是买一台 Macbook Pro ,毕竟硬件 Retina 屏、超大触摸板、TouchBar 这些也是增强 MacOS 使用体验的必备条件。

特别声明

本站不提供任何下载,只是收集和整理了有关信息。

实验组装机配置

项目

配置

CPU

3.41 GHz Intel Core i5

Memory

16 GB 1600 MHz DDR3

主板

技嘉

显卡

16 GB 1600 MHz DDR3

硬盘

Samsung SSD 850 EVO 500GB

安装系统

下载镜像

  下载 含 Clover 启动工具的 Mojave 镜像 ,感谢由 mirrors.dtops.cc 提供的这一下载地址。

刻录启动盘

  Windows 平台下使用 TransMac 制作启动盘。

  1. 点击下载 TansMac,并安装。
  2. 插入一个至少 8G 大小的空U盘,打开 TransMac,在要制作启动盘的U盘名称下右键选择 Format Disk for Mac,将U盘格式化成 Mac 的文件系统格式,输入格式化后的名称,并在提示确认点击 Yes 完成格式化操作。
  3. 在刚才的位置右键选择 Restore with Disk Image,然后选择上一步中下载的 dmg 镜像,点击打开,提示框点击 OK。
  4. 至此,Mac 启动盘刻录完成。

安装系统到硬盘

  1. 重启选择从刚才制作的启动盘的 UEFI 模式启动。
  2. 先使用磁盘工具将即将安装用到的硬盘格式化成 Mac OS 扩展 (日志式)和 GUID 分区图,名称可以随意自定义。
  3. 根据提示选择安装介质为格式化好的硬盘,然后一直往下安装即可,因为某些不可抗因素,可能安装会卡住,但是请不要担心,Mac 的安装是可以在你重启电脑之后继续的,多次重启即可完成安装(重启启动需要从启动 U盘 启动,硬盘还没有引导项)。
  4. 根据提示创建用户等其他操作,最后进入系统,不过由于硬盘上还没有引导项,目前还必须从 U盘 加载硬盘上的Mac 系统。

安装引导项到硬盘

  1. 下载 MultiBeast 并安装。
  2. 根据引导选择各项驱动,最后点击 Build 按钮到安装界面,确认 Install 等待几分钟即可完成。
  3. 至此,如无显卡则算完成安装,如有显卡即还需要下面一步。

优化显卡驱动

  1. 下载 Webdriver All Versions.app.zip 并安装。
  2. 执行以下命令安装驱动。
  3. 重启之后,检测显卡是否工作正常。
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sudo chmod -R 755 /Library/Extensions/NVDAStartupWeb.kext
sudo chown -R root:wheel /Library/Extensions/NVDAStartupWeb.kext
sudo touch /System/Library/Extensions/ && sudo kextcache -u /
sudo touch /Library/Extensions && sudo kextcache -u /

系统升级

  由于黑苹果采用 Clover 引导系统完成启动,所以对于正常操作系统的更新有可能会出现问题,不过不用担心:一种方法是反复重启,有一定几率会正常更新;另一种方法是使用启动 U 盘引导硬盘中的操作系统正常开机,进入操作系统之后需要将更新前有效的 EFI 目录文件覆盖一下新的就行,更新前的文件可以在 EFI_BACKUP 目录下找到,再次重启即可恢复。

使用体验

  以下均为可选项操作。

允许全部应用来源被打开

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sudo spctl --master-disable

Office for Mac 2019

NTFS硬盘读写支持

  建议采用免费、无毒的 Mounty ,当然有钱的大佬也可以选择 Paragon 或者 Texus 这类收费软件,不管怎么样,用起来比 Mounty 是要无脑操作一点的,而且 Mounty 由于设备未正常插拔而经常出毛病(不过这些毛病的确是有原因,解决这些毛病的过程也是进一步了解操作系统和 I/O 设备之间的一种体验哈)。

视频播放类软件

  当然首推 IINA (一款基于著名的开源视频播放软件 MPV 的、专注于 Mac 操作系统的视频播放软件),开源、免费、持续更新这些 features 绝对吸引任何一个开源爱好者。除此之外,原生的 mpv 也是不错的,使用 brew install mpv 即可安装,像 VLC Media Player 等等都是非常优秀的软件,大家可以尽情尝试。

Markdown 编辑软件

  谈到 Markdown 编辑软件,最开始接触的当然是 Web 上的各家产品,近些年印象笔记、有道笔记等都开始支持了,不过讲到全平台(Windows、Linux、Mac)支持,只有一款值得力推—— Typora ,界面相当美观、上手使用非常简单、支持大部分的通用 Markdown 语法,而且经常更新,该项目的维护者非常活跃。

软件安装、管理

  Apple 公司提供了一个官方的应用仓库 app store,但是由于需要 Apple 的技术人员和内容人员进行审核的缘故,有些应用更新起来就会慢半拍,所以还是建议国内用户体验一下其他的软件安装方式。

Brew

Brew 是 macOS 上非常成熟的软件包管理器,和 Linux 中的 apt、yum 相比只有更好,因为这个包管理器除了本身有官方维护的软件仓库之外,任何人都可以通过 cask 的方式引入 github 中的一个软件项目来提供管理,当然 dmg 文件的下载可以放在任何位置。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 安装 Homebrew
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

# 安装 cask
brew tap caskroom/cask

# 安装 Chrome
brew cask install google-chrome
Macport

Macport 也是 macOS 上一款极具兼容性的软件包管理器,它的工作方式是下载源代码然后在本地编译,其理念是尽量减少对系统现有库的以来,比较搞的就是可能编译的时间会很长(看情况吧)。官网提供 pkg 的安装包,可以直接下载安装。

小提示

加速使用推荐 中科大开源镜像站

百度云盘无限制多线程下载

  推荐使用 Proxyee Down For Mac (一款 macOS 平台的百度云盘无限制多线程下载工具,能够使用本地 http 代理服务器方式嗅探下载请求,支持所有操作系统和大部分主流浏览器,支持分段下载和断点下载)。点击跳转到下载页

参考资料

版权声明:如无特别声明,本文版权归 仲儿的自留地 所有,转载请注明本文链接。

(采用 CC BY-NC-SA 4.0 许可协议进行授权)

本文标题:《 黑苹果安装、使用初体验 》

本文链接:https://cloud.tencent.com/developer/article/2142955

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Python中创建NumPy数组的10种方法详解 | 科学计算入门
NumPy是Python科学计算的核心库,提供了高性能的多维数组对象和工具。相比Python原生列表,NumPy数组具有以下优势:
用户11750067
2025/08/08
1360
NumPy学的还不错?来试试这20题!
NumPy大家应该不陌生了,看了太多的原理讲解之后,用刷题来学习是最有效的方法,本文将带来20个NumPy经典问题,附赠20段实用代码,拿走就用,建议打开Jupyter Notebook边敲边看!
刘早起
2020/07/22
1K0
NumPy学的还不错?来试试这20题!
NumPy进阶修炼|热身20题
大家好,NumPy系列讲解已经更新了两期,今天将整理一些相关的题目来实际操作一下,因为在Pandas系列中有涉及到部分NumPy操作因此我也不确定最终会有多少题,暂且先来个20题热热身吧!
刘早起
2020/05/11
5420
NumPy进阶修炼80题|41-60
大家好,又到了NumPy进阶修炼专题,其实已经断更很久了,那么在本文正式发布题目之前,先说下改动的地方,在以前的Pandas120题和NumPy热身20题中,我都是将我的答案附在每一题的后面? 这种形
刘早起
2020/07/17
5240
NumPy进阶修炼80题|41-60
numpy总结
df = pd.DataFrame({‘A’:[1,2,3],‘B’:[4,5,6],‘C’:[7,8,9]})
北山啦
2022/11/27
2.5K0
numpy总结
一份 Numpy 小抄请查收
在numpy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank)。如3D空间中一个点的坐标[1,2,3]是一个秩为1的数组,因为它只有一个轴,这个轴长度为3,在下面的例子中数组的秩为2(它有两个维度),第一个维度为2,第二个维度为3。
syy
2020/04/07
4780
50个常用的 Numpy 函数详解
来源:CDA数据分析师 本文约7500字,建议阅读15分钟 在本文中,将介绍NumPy在数据科学中最重要和最有用的一些函数。 Numpy是python中最有用的工具之一。它可以有效地处理大容量数据。使用NumPy的最大原因之一是它有很多处理数组的函数。在本文中,将介绍NumPy在数据科学中最重要和最有用的一些函数。 创建数组 1、Array 它用于创建一维或多维数组 numpy.array(object, dtype=None, *, copy=True, order='K'
数据派THU
2023/05/18
1.1K0
50个常用的 Numpy 函数详解
NumPy 中级教程——数组操作
NumPy 是 Python 中用于科学计算的核心库之一,提供了强大的数组操作功能。本篇博客将深入介绍 NumPy 中的数组操作,包括数组的切片、索引、形状操作、合并与分割等,通过实例演示如何应用这些功能。
Echo_Wish
2023/12/30
2530
Pandas进阶修炼120题|完整版
『Pandas进阶修炼120题』系列现已完结,我们对Pandas中常用的操作以习题的形式发布。从读取数据到高级操作全部包含,希望可以通过刷题的方式来完整学习pandas中数据处理的各种方法,当然如果你是高手,也欢迎尝试给出与答案不同的解法。
刘早起
2020/04/15
13.3K1
Pandas进阶修炼120题|完整版
Numpy基础知识点汇总
1、概述 Numpy是高性能科学计算和数据分析的基础包,它的部分功能如下: 1)ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。 2)对整组数据进行快速运算的标准数学函数 3)用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 2、ndarray的创建 这一节,我们主要关注ndarray数组的创建,我们主要有以下几种方式: 数组转换 创建数组的最简单的方法就是使用array函数,将Python下的list转换为ndarray。 #通过数组创建一个ndarray data1
石晓文
2018/04/11
1.6K0
Python:numpy模块最详细的教程
一、numpy简介 numpy官方文档:https://docs.scipy.org/doc/numpy/reference/?v=20190307135750 numpy是Python的一种开源的数
Python学习者
2023/01/04
1.3K0
数据清洗、合并、转化和重构
文章来源:Python数据分析 目录: DIKW模型与数据工程 科学计算工具Numpy 数据分析工具Pandas Pandas的函数应用、层级索引、统计计算 Pandas分组与聚合 数据清洗、合并、转化和重构 数据清洗是数据分析关键的一步,直接影响之后的处理工作 数据需要修改吗?有什么需要修改的吗?数据应该怎么调整才能适用于接下来的分析和挖掘? 是一个迭代的过程,实际项目中可能需要不止一次地执行这些清洗操作 处理缺失数据:pd.fillna(),pd.dropna() 1.数据连接(pd.merge)
Python攻城狮
2018/08/23
1.5K0
Numpy库
NumPy是一个功能强大的Python库,主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作,可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。他有以下几个特点:
用户9615083
2022/12/25
3.9K0
Numpy库
AI基础:Numpy简易入门
NumPy(Numeric Python)提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用,以及核心的科学计算组织如:Lawrence Livermore,NASA 用其处理一些本来使用 C++,Fortran 或 Matlab 等所做的任务。
Ai学习的老章
2019/12/05
7590
Numpy
numpy(numerical Python) 是 Python 数值计算最重要的基础包,大多数提供科学计算的包都是用 NumPy 的数组为构建基础。 NumPy 可以用于数值计算的一个重要原因是因为他能处理大数组的数据:
爱编程的小明
2022/09/05
1.3K0
Numpy
我的机器学习numpy篇何为ndarray?ndarry创建生成正态分布ndarry属性修改形状ndarry运算ndarry切片矩阵转置聚合函数
前言: numpy是以矩阵为基础的数学计算模块,其基础为多维数组为ndarray 官方文档:(https://docs.scipy.org/doc/numpy/user/index.html) 何为ndarray? 一种由相同类型的元素组成的固定的多维数组。(注意黑体字) ndarry创建 代码如下 import numpy as np np.array([[1,2,3],[4,5,6]]) np.zeros((4,5)) np.ones((2,3,4)) np.random.randin
DC童生
2018/04/27
1.1K0
我的机器学习numpy篇何为ndarray?ndarry创建生成正态分布ndarry属性修改形状ndarry运算ndarry切片矩阵转置聚合函数
【Python数据分析】NumPy基础,看这一篇就够了!
NumPy是Python的一种开源的数值计算扩展库,包含很多功能,如创建n维数组(矩阵)、对数组进行函数计算、数学计算等等。
Skrrapper
2025/05/09
2390
【Python数据分析】NumPy基础,看这一篇就够了!
这8个NumPy函数可以解决90%的常见问题
NumPy是一个用于科学计算和数据分析的Python库,也是机器学习的支柱。可以说NumPy奠定了Python在机器学习中的地位。NumPy提供了一个强大的多维数组对象,以及广泛的数学函数,可以对大型数据集进行有效的操作。这里的“大”是指数百万行。
deephub
2023/08/29
2990
这8个NumPy函数可以解决90%的常见问题
盘一盘NumPy (下)
重塑 (reshape) 和打平 (ravel, flatten) 这两个操作仅仅只改变数组的维度
double
2019/07/15
3.9K0
盘一盘NumPy (下)
numpy科学计算包的使用1
Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy、matplotlib一起使用。其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数。
听城
2018/04/27
1.4K0
numpy科学计算包的使用1
相关推荐
Python中创建NumPy数组的10种方法详解 | 科学计算入门
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档